Efficient Generation of a Feature Profile in a Set of Similar Video Data

With the rapid progress of computer technology in recent years, a digital video data has been used in many applications. As a result, various technologies have been introduced to discover knowledge embedded in a video database. However, few researches on data mining for a video database have been performed due to the unclear boundary of the information in a large amount of a video stream. This paper proposes an efficient generation method of a feature profile in a set of similar video data. To extract the information embedded in original video data efficiently, several refinement techniques are also presented. These methods include merging pixels, restricting preferred areas, removing noises under a minimum repeat factor, extracting important key frames, generating derived blocks and applying weights to dynamic and static areas differently. Finally, the performance of these methods is evaluated by comparing a result profile obtained by a data mining process with original video streams.

유사 비디오 데이터 집합에서 효율적인 특성정보 프로파일 생성 기법

산업정보사회가 발달함에 따라 다양한 형태의 비디오 데이터들이 여러 분야에서 대량으로 생성되고 있다. 이에 따라 이들의 가공을 통해 비디오에 나타난 의미 정보를 추출하려는 다양한 접근들이 시도되고 있으며, 근래 들어 데이터 마이닝 기법을 응용한 특성정보 프로파일 생성 방법에 대한 관심이 증대되고 있다. 그러나 기존의 연구에서는 시공간적으로 방대한 비디오 데이터의 특징으로 인해 해당 분야에 대한 연구가 소극적으로 진행되어왔다. 본 논문에서는 유사한 의미를 나타내는 비디오 데이터 집합에서 의미있는 지식을 추출하는 특성정보 프로파일 생성 기법을 제안한다. 더불어, 특성정보 프로파일 생성과정의 효율적인 수행을 위해서 다양한 추가 고려 사항을 제시한다. 전체 특성 정보들 중에서 주요 정보에만 집중함으로써 데이터 양을 감소시키는 방법, 잡음 요소를 제거하고 관심영역을 설정하여 데이터 양을 감소시키는 방법 및 동적인 영역에 가중치를 부여하여 추출된 정보의 정확도를 향상시키는 방법 등이 포함된다. 끝으로, 실험용 비디오 데이터에 대하여 논문에서 제안된 다양한 압축 방법을 적용하여 클러스터링을 수행하고 이를 통해 구해진 특성 정보 프로파일과 원본 비디오 데이터의 특성정보와 비교하여 본 논문에서 제시한 다양한 압축 알고리즘을 검증한다.